Dynamic Prediction in Clinical Survival Analysis Using Temporal Convolutional Networks

计算机科学 缺少数据 协变量 背景(考古学) 卷积神经网络 机器学习 人工智能 鉴定(生物学) 时态数据库 参数统计 数据挖掘 统计 数学 植物 生物 古生物学
作者
Daniel Jarrett,Jinsung Yoon,Mihaela van der Schaar
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:24 (2): 424-436 被引量:52
标识
DOI:10.1109/jbhi.2019.2929264
摘要

Accurate prediction of disease trajectories is critical for early identification and timely treatment of patients at risk. Conventional methods in survival analysis are often constrained by strong parametric assumptions and limited in their ability to learn from high-dimensional data. This paper develops a novel convolutional approach that addresses the drawbacks of both traditional statistical approaches as well as recent neural network models for survival. We present Match-Net: a missingness-aware temporal convolutional hitting-time network, designed to capture temporal dependencies and heterogeneous interactions in covariate trajectories and patterns of missingness. To the best of our knowledge, this is the first investigation of temporal convolutions in the context of dynamic prediction for personalized risk prognosis. Using real-world data from the Alzheimer's disease neuroimaging initiative, we demonstrate state-of-the-art performance without making any assumptions regarding underlying longitudinal or time-to-event processes-attesting to the model's potential utility in clinical decision support.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
共享精神应助飞跃采纳,获得10
1秒前
李健的小迷弟应助小景007采纳,获得10
1秒前
zgt01发布了新的文献求助10
3秒前
搜集达人应助小奇特采纳,获得10
4秒前
敏感代云发布了新的文献求助10
4秒前
传奇3应助123采纳,获得10
5秒前
5秒前
8秒前
9秒前
9秒前
文艺稚晴发布了新的文献求助10
9秒前
10秒前
10秒前
11秒前
英俊的铭应助虚心碧采纳,获得10
11秒前
huang1完成签到,获得积分10
12秒前
MMM完成签到,获得积分20
12秒前
优秀发带完成签到,获得积分10
12秒前
不吃香菜发布了新的文献求助10
12秒前
汉堡包应助hh0采纳,获得30
13秒前
13秒前
CodeCraft应助Zachia采纳,获得10
13秒前
地老天框发布了新的文献求助30
14秒前
ChiariRay完成签到,获得积分20
14秒前
李李发布了新的文献求助10
15秒前
15秒前
弹棉花完成签到,获得积分10
16秒前
zgt01完成签到,获得积分10
16秒前
李无理完成签到,获得积分10
16秒前
小号完成签到 ,获得积分10
17秒前
fd完成签到,获得积分10
18秒前
lcx完成签到,获得积分10
19秒前
19秒前
Amber发布了新的文献求助20
20秒前
20秒前
123发布了新的文献求助10
20秒前
20秒前
21秒前
李李完成签到,获得积分10
21秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256065
求助须知:如何正确求助?哪些是违规求助? 2898207
关于积分的说明 8300363
捐赠科研通 2567343
什么是DOI,文献DOI怎么找? 1394475
科研通“疑难数据库(出版商)”最低求助积分说明 652817
邀请新用户注册赠送积分活动 630501